通过挖掘因果线索与适配嵌入统计实现人脸呈现攻击检测
计算机视觉与模式识别
2023-08-29 v1
摘要
近期人脸呈现攻击检测（PAD）利用域适应（DA）与域泛化（DG）技术来解决未知域上的性能退化。然而，基于 DA 的 PAD 方法需访问无标签目标数据，而多数基于 DG 的 PAD 方案依赖先验即已知域标签。此外，多数基于 DA/DG 的方法计算密集，需要复杂模型架构和/或多阶段训练过程。本文提出从因果视角将人脸 PAD 建模为复合 DG 任务，并将其与模型优化相关联。我们通过反事实干预挖掘隐藏在高层表示中的因果因子。此外，我们引入类引导 MixStyle，以在类内丰富特征级数据分布，而非关注域信息。类引导 MixStyle 与反事实干预组件均不引入额外可训练参数且消耗可忽略的计算资源。大量跨数据集与分析实验证明了相较 SOTA PAD 方法我们的方法的有效性与高效性。实现代码与训练权重已公开。
引用
@article{arxiv.2308.14551,
title = {Face Presentation Attack Detection by Excavating Causal Clues and Adapting Embedding Statistics},
author = {Meiling Fang and Naser Damer},
journal= {arXiv preprint arXiv:2308.14551},
year = {2023}
}
备注
Accepted at WACV 2024